本文搭建了CACC车辆队列纵向控制半物理测试平台,实现了真实车辆数据,真实无线通信传输与车辆队列仿真平台的结合,在尽可能贴近真实的交通状况和网络状况下降低了测试成本与风险,并在此平台上研究多种交通场景下不同的通信延时对车辆队列纵向控制性能的影响

第四讲压力、量、气氛测试 一、压力信号的传感与变送 二、流量信号的传感与变送 三、气氛信号的传感与变送 四、测试仪表

系统测试至少占据了制作过程的一半工作量，是成功地开发信息系统的重要保证之一。本章将对系统测试的方法和技术做一系统地介绍

为了提高非平衡数据集的分类精度，提出了一种基于样本空间近邻关系的重采样算法。该方法首先根据数据集中少数类样本的空间近邻关系进行安全级别评估，根据安全级别有指导的采用合成少数类过采样技术（Synthetic minority oversampling technique，SMOTE）进行升采样；然后对多数类样本依据其空间近邻关系计算局部密度，从而对多数类样本密集区域进行降采样处理。通过以上两种手段可以均衡测试数据集，并控制数据规模防止过拟合，实现对两类样本分类的均衡化。采用十折交叉验证的方式产生训练集和测试集，在对训练集重采样之后，以核超限学习机作为分类器进行训练，并在测试集上进行验证。在UCI非平衡数据集和电路故障诊断实测数据上的实验结果表明，所提方法在整体上优于其他重采样算法

第一章 绪论 第二章 测试信号及其描述 第三章 测量装置基本特性 第四章 常用传感器及其应用 第五章 模拟信号的变换和处理 第六章 记录仪器及分析仪器 第七章 数字信号处理 第八章 机械振动测试 第九章 温度测量 第十章 流体参量的测量 第十一章 力学参数的测量

第三讲温度信号的测试传感 一、测试传感器 二、温度定义 三、传感方式 四、膨胀法

· 数据域的基本概念 · 数据域测试系统与仪器 · 逻辑分析仪的组成、原理和应用 · 可测性设计技术 · 数据域测试的应用

一、测试是一个反复的过程 二、面向功能的系统和面向对象的系统的测试方法是不一样的

微震能级随时间发生变化，高能级微震事件与冲击地压有良好的对应关系，为预测矿山微震能量时序变化，基于一维卷积神经网络（Convolutional neural networks，CNN），建立微震能级时间序列预测模型；通过模型训练，实现以前十次微震事件的能量级别作为输入来预测下一次微震事件的能量级别。由于微震样本数据类间不平衡问题，导致模型测试时将106能量级别的微震事件全部判断为105能量级别的微震事件，为进一步提高模型对106能级微震事件预测的准确率，对模型进行改进并使用混合采样方法训练改进后的模型；利用砚北煤矿250202工作面微震能级实测部分数据，改进后模型的总体测试正确率达到98.4%，其中106能量级别的微震事件测试正确率提升到99%。将模型应用于砚北煤矿250202工作面进行微震能级时序预测，模型的预测正确率整体达到93.5%，且对高能级微震事件的预测正确率接近100%

黑箱测试（又称为功能测试）是 把程序或系统看成一个黑盒子， 完全不考虑其内部结构和处理过 程